买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都信息工程大学申请的专利基于快速傅里叶变换和选择性注意力机制的图像补全方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116823647B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310661898.6，技术领域涉及：G06T5/77；该发明授权基于快速傅里叶变换和选择性注意力机制的图像补全方法是由胡靖;吴颖超;陶宇可;张红湖;杨飞扬;刘李骏坤;邓中臣;吴锡设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本基于快速傅里叶变换和选择性注意力机制的图像补全方法在说明书摘要公布了：本发明涉及一种基于深度学习的图像补全方法，所述图像补全方法提出一种内置傅里叶变换操作的高效补全网络，在实现长距离依赖的同时保证模型的高效率运行，同时补全网络内嵌有聚合型选择性卷积核网络的快速傅里叶变换模块，其中，快速傅里叶变换模块负责补全网络获得全局感受野，聚合型选择性卷积核网络按照各尺度的贡献适应性调整比重，更精确地为模型提供局部性信息补充，最终实现全局融合度更高、局部细节更丰富的图像补全。与现有常有的补全方法进行实验对比，本发明方法生成图像的还原度和清晰度更好，尤其在遮挡率较大的情况下，生成图像局部的语义连贯以及全局的整体契合。

本发明授权基于快速傅里叶变换和选择性注意力机制的图像补全方法在权利要求书中公布了：1.基于快速傅里叶变换和选择性注意力机制的图像补全方法，其特征在于，所述图像补全方法提出一种内置傅里叶变换操作的高效补全网络，所述补全网络内嵌有聚合型选择性卷积核网络的快速傅里叶变换模块，其中，快速傅里叶变换模块负责补全网络获得全局感受野，聚合型选择性卷积核网络按照各尺度的贡献适应性调整比重，用于帮助模型保留细节信息，同时增强模型应对输入尺度变换的鲁棒性，具体方法包括： 步骤1：准备图像补全数据集，分别为Cele-AHQ数据集和Place2数据集； 步骤2：随机提取所述Cele-AHQ数据集和所述Place2数据集中设定数量的图像作为训练集，其余的图像作为验证集； 步骤3：对所述训练集和验证集中的图片，通过随机的方式生成不规则的掩模，得到掩模图像； 步骤4：将训练集中的图像输入所述补全网络进行训练，所述补全网络的主体框架为生成对抗网络，该网络包含一个生成器和一个块判别器，所述生成器由卷积模块、反卷积模块、多尺度卷积融合模块以及快速傅里叶变换模块组合堆叠而成，所述判别器采用块判别器； 所述生成器将掩模图像和包含缺失区域的二进制掩码拼接后作为输入，所述生成器的输出为补全后的图像，生成器生成补全图像的过程包括： 步骤41：利用三个堆叠而成的普通卷积将输入编码到一个低维空间，实现了对输入的降维，获得一个包含输入图像重要信息的特征向量； 步骤42：将步骤41编码后的特征向量送入多尺度卷积融合模块，所述多尺度卷积融合模块将一个普通卷积分裂成四个空洞率分别为1、2、4、8的子卷积，再利用一个普通卷积整合多个卷积核的特征信息； 步骤43：将所述多尺度卷积融合模块整合后的特征信息输入由至少三个快速傅里叶变换模块堆叠而成的模块组合，每一个快速傅里叶变换模块都内嵌一个聚合型选择性卷积核网络； 步骤431：进入快速傅里叶变换模块的特征信息先进行3×3卷积层，接着利用实数傅里叶变换模块将该特征信息映射到频域空间再映射回空间域； 步骤432：然后进行3×3的卷积操作，再进入聚合型选择性卷积核网络，所述聚合型选择性卷积核网络内置多感受野动态融合的学习机制，为快速傅里叶变换模块提供局部性信息补充，同时通过动态地赋予感受野权重，以帮助生成器适应输入图像尺度的变化带来的影响； 步骤433：经过聚合型选择性卷积核网络模块处理后的特征，输入实数逆傅里叶变换模块将特征恢复回空间结构得到空间结构特征，再利用跳跃连接将所述空间结构特征与快速傅里叶变换模块的输入特征按元素相加，接着特征经过一个1×1卷积，获得一个实数特征图； 步骤434：将第一个快速傅里叶变换模块得到的实数特征图依次输入后面的快速傅里叶变换模块中，重复步骤431至步骤433快速傅里叶变换的操作，得到最终的实数特征图； 步骤44：将步骤43得到的最终实数特征图输入多尺度卷积融合模块得到融合特征图； 步骤45：最后，利用多个反卷积层将所述融合特征图解码成一张补全后的生成图像，所述生成图像作为生成器的输出； 步骤46：所述块判别器对所述生成图像进行三层卷积处理，获得评分矩阵，块判别器根据评分矩阵来分辨生成图像和真实图像，并将参数反馈生成器，指导生成器生成更逼近真实图像的生成图像，直到块判别器无法分别出真实图像和生成图像，训练结束。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都信息工程大学，其通讯地址为：610200 四川省成都市西南航空港经济开发区学府路1段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。